modul sspss

LABORATORIUM STATISTIK INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNIK IBNU SINA BATAM Modul Pelatihan Statistik (SPSS Versi 20) oleh : (Ir. Larisang, MT & M. Ansyar Bora, ST)

BAB. I PENDAHULUAN 1.1 Latar Belakang

SPSS adalah sebuah program komputer yang digunakan untuk membuat

analisis statistika. SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago. SPSS adalah salah satu program yang paling banyak digunakan untuk analisis statistika ilmu sosial. SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data turunan) dan dokumentasi data (kamus metadata ikut dimasukkan bersama data) juga merupakan fitur-fitur dari software dasar SPSS.

1.2 Tujuan Pelatihan Statistik (SPSS Versi 20) a. Melengkapi pengetahuan dan keterampilan mahasiswa dalam mengola data

statistik kedalam software SPSS b. Menambah pengetahuan & keterampilan mahasiswa dalam menganalisa

dan menarik kesimpulan data statistik yang telah di olah menggunakan software SPSS.

c. Melatih mahasiswa mengelola data menggunakan software Statistik SPSS. d. Pengenalan cara penelitian dan pengolahan data statistik yang lebih efesien

dan efektif

1.3 Manfaat Pelatihan Statistik (SPSS Versi 20) a. Mahasiswa dapat mengola data statistik kedalam software SPSS b. Mahasiswa dapat menambah pengetahuan dan keterampilan dalam

menganalisa dan menarik kesimpulan keluaran software SPSS. c. Mahasiswa dapat mengelola data statistik dengan cepat dan efisien. d. Dapat menambah kompetensi mahasiswa khususnya dalam pengolahan

data statistik dengan menggunakan software SPSS. BAB. II Pengenalan dan Pengolahan Data Statistik menggunakan SPSS

Versi 20. 2.1 Pengenalan SPSS Versi 20.

SPSS merupakan salah satu sekian banyak software statistika yang telah dikenal luas dikalangan penggunaannya. Disamping masih banyak lagi software statistika lainnya seperti Minitab, Syastas, Microstat dan masih banyak lagi. SPSS




sebagai sebuah tools mempunyai banyak kelebihan, terutama untuk aplikasi di bidang ilmu sosial, berikut ini tampilan program SPSS Versi 20 :

Gambar 2.1 Tampilan layar SPSS 20

Menu Bar : Kumpulan perintah-perintah dasar untuk mengoperasikan program

SPSS Versi 20. Menu yang terdapat pada SPSS versi 20 adalah : 1. FILE

Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan, pencetakan dan sebagainya. Ada 5 data yang digunakan dalam SPSS,yaitu : 1. Data : dokumen SPSS berupa data 2. Systax : dokumen berisi file systax SPSS 3. Output : dokumen yang berisi hasil running out SPSS 4. Script : dokumen yang berisi running out SPSS 5. Database : * New : Membuat lembar kerja baru SPSS * Open : Membuka dokumen SPSS yang telah ada * Read Text Data : membuka dokumen dari file text (yang berekstensi txt),

yang bias dikonversi dalam lembar data SPSS. * Save : Menyimpan file yang telah dibuat * Save as : menyimpan ulang dokumen dengan nama yang berbeda * Page Setup : Mengatur halaman kerja SPSS * Print : Mencetak output SPSS * Print Preview : melihat contoh hasil cetakan yang nantinya diperoleh * Recent used data : berisi list data file yang sebelumnya pernah dibuka * Recent used file : berisi list file secara keseluruhan yang pernah

dikerjakan

2. EDIT Untuk melakukan pengeditan pada operasi SPSS baik data, serta pengaturan untuk konfigurasi SPSS secara keseluruhan. * Undo : pembatalan perintah yang dilakukan sebelumnya




* Redo : perintah pembatalan perintah redo yang dilakukan sebelumnya * Cut : penghapusan sebuah objek dll, bias dicopy untuk keperluan

tertentu dengan perintah dari menu paste. * Paste : menampilkan sebuah objek dll, dari hasil perintah copy/cut * Clear : menghapus sebuah objek dll. * Find : mencari suatu text * Option : mengatur konfigurasi tampilan kerja SPSS secara umum

3. VIEW Untuk pengaturan tampilan di layar kerja SPSS, serta mengetahui proses-proses yang sedang terjadi pada operasi SPSS. * Status bar : Mengetahui proses yang sedang berlansung * Toolbar : Mengatur tampilan toolbar * Fonts : Untuk mengatur jenis, ukuran font pada data editor SPSS * Gridlines : mengatur garis sel pada editor SPSS

4. DATA Menu data digunakan untuk pemprosesan data * Define dates : mendefinisikan sebuah waktu untuk variabel yang

meliputi jam, tanggal, tahun dan sebagainya. * Insert Variabel : menyisipkan kolom variabel * Insert Case : manyisipkan baris * Go to case : memindahkan cursor pada baris tertentu * Sort case : mengurutkan nilai dari suatu kolom variable * Transpose : operasi transpose dari sebuah kolom menjadi baris * Merge file : menggabungkan beberapa file dokumen SPSS, yang

dilakukan dengan penggabungan kolom-kolom variablenya.

* Split file : memecahkan file berdasarkan kolom variablenya * Select case : mengatur sebuah variable berdasarkan sebuah

persyaratan tertentu

5. TRANSFORM Menu transform dipergunakan untuk melakukan perubahanperubahan atau penambahan data. * Compute : operasi aritmatika dan logika untuk * Count : untuk mengetahui jumlah sebuah ukuran data tertentu

pada suatu baris tertentu * Recode : untuk mengganti nilai pada kolom variable tertentu,

sifatnya menggantikan (into same variable) atau merubah (into different variable) pada variable baru

* Categorize variable : merubah angka rasional menjadi diskrit * Rank case : mengurutkan nilai data sebuah variabel

6. ANALYSE Menu analyse digunakan untuk melakukan analisis data yang telah kita masukkan ke dalam komputer. Menu ini merupakan menu yang terpenting karena semua pemrosesan dan analisis data dilakukan dengan menggunakan menu correlate, compare mens, regression.




7. GRAPH Menu graph digunakan untuk membuat grafik, diantaranya ialah bar,line, pie, dll

8. UTILITIES Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file, dll

9. AD-ONS Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan aplikasi tambahan, misalnya menggunakan alikasi Amos, SPSS data entry, text analysis, dsb

10. WINDOWS Menu windows digunakan untuk melakukan perpindahan (switch) dari satu file ke file lainnya

11. HELP Menu help digunakan untuk membantu pengguna dalam memahami perintah-perintah SPSS jika menemui kesulitan TOOL BAR : Kumpulan perintah – perintah yang sering digunakan dalam

bentuk gambar. POINTER : Kursor yang menunjukkan posisi cell yang sedang aktif /

dipilih.

2.2 Pengolahan Data SPSS Versi 20 Membuka file data

Data yang anda buat dan simpan sewaktu- waktu dapat anda buka untuk analisis lebih lanjut. Berikut ini cara membuka data : Klik File => open => Data pada menu sehingga kotak dialog open file akan

muncul.

Gambar 2.2 Kotak Dialog Open file




Cari folder file data pada daftar drop down look in Klik ganda file data pada kotak atau klik file data kemudian klik open

sehingga data yang telah anda simpan akan muncul. Mengimpor file data ke SPSS SPSS mampu membuka file data dengan format lain, jadi jangan cemas apabila anda terlanjur membuat file data dengan format lain. Pada pembahasan kali ini hanya akan dibahas satu format saja, yaitu excel (*.xls) dipilih karena software tersebut sangat populer dalam pengolahan data. Mengimpor file data excel ke SPSS Langkah-langkah transfer file data excel ke SPSS mirip dengan saat anda membuka file data format sav : Klik file => Open => Data pada menu sehingga kotak dialog open file

muncul. Klik files of type di combo box sehingga muncul di daftar berikut :

Gambar 2.3 Daftar format file data

Pilih format yang sesuai, missal excel 2010 (*.xlsx). Cari folder file data excel anda pada daftar drop down look ini. Klik ganda file data pada kotak atau klik file data kemudian klik open

sehingga otak dialog opening excel data source muncul :

Gambar 2.4 Kotak dialog opening excel data source




Tanda cek aktif secara default. Tanda cek read variabel from the first row of data aktif dimaksudkan supaya nama variabel yang terdapat pada baris pertama file data excel tidak dianggap sebagai data namun diperlakukan sebagai variabel.

Klik Ok Untuk lebih jelas, lihat perbandingan transfer tersebut.

Data asli excel

Data hasil transfer ke SPSS

Gambar 2.5 Perbandingan file excel dan ouput transfer ke SPSS

Grafik & Tabel Peran Tabel & Grafik dalam Statistik

Tabel dan grafik berperan dalam pengorganisasian data sehingga apabila data tersebut disajikan maka akan menghasilkan informasi yang lebih bermakna. Dengan bantuan tabel dan grafik maka orang akan lebih muda memahami data dan informasi yang terkandung di dalamnya. SPSS memiliki tiga fasilitas untuk membangun grafik, yaitu melalui Legacy Dialogs, Chart Builder, dan Graphboard Template Choosher. Membangun Grafik Melalui Legacy Dialogs Fasilitas Legacy Dialogs memiliki sebelas fungsi pembangunan grafik, yaitu Bar, 3-D bar, Line, Area, Pie, High-Low, Boxplot, Error Bar, Population Pyramid, Scatter/Dot, dan Histogram.




Gambar 2.6 Fasilitas pembangun Grafik pada Lagacy Dialogs

Pada pelatihan ini akan dibahas beberapa fasilitas tersebut agar anda memiliki gambaran yang jelas. Data yang dipergunakan adalah data penjualan kendaraan yang dapat diambil pada folder file data pelatihan, penjualan kendaraan.sav.

Gambar 2.7 Data Penjulan Kendaraan

Apabila anda memperoleh data penjualan kendaraan perusahaan X dengan dua variabel tipe kendaraan dengan tiga tingkatan harga, tiga variabel area penjualan, dan tiga tahun tingkat penjualan, informasi apa yang dapat anda peroleh disana? Anda dapat melakukan berbagai analisis penjualan kendaraan dengan berbagai tampilan grafik. Grafik yang umum digunakan adalah jenis grafik batang dan




garis. Jika anda ingin meringkas data dari kelompok case tertentu, sebagai contoh pada variabel penjualan 03, berikut ini langkah-langkah pembuatannya: Klik Graphs => Legacy Dialogs kemudian pilih salah satu bentuk grafik: bar

atau Line. Setelah anda menentukan maka kotak dialog dengan nama tipe grafik yang anda pilih akan muncul.

Gambar 2.8 Kotak Dialog Bar Charts dan Line Charts

Pilih simple dan pilih summaries for groups of cases Klik Define sehingga muncul kotak dialog define simple. Pada tampilan

hanya dipaparkan satu perwakilan, yaitu define simple bar: summaries for group of cases sebagai acauan karena secara umum tampilannya sama.

Gambar 2.9 Kotak Dialog Define Simple bar:Summaries for groups of cases




Masukkan variabel area penjualan pada kotak category axis dan tipe kendaraan pada kotak row.

Pilih other statistic pada bars represent sehingga kota variabel menjadi aktif. Masukkan penjualan 03 sebagai reprentase bar. Nilai default statistic adalah mean. Ubahlah default tersebut menjadi sum of values dengan menekan tombol change statistic sehingga keluar kotak dialog statistic, kemudian pilih sum of values.

Gambar 2.10 Kotak Dialog Statistic Klik Continue sehingga kembali ke kotak Define Simple. Klik Ok Berikut hasil ringkasan penjualan total 03 pada berbagai area penjualan dan tipe kendaraan:




Gambar 2.11 Hasil Ringkasan Total Penjualan 03

Anda tidak hanya bias menganalisis satu variabel penjualan saja, namun anda dapat memperbandingkan ketiga penjualan dalam satu tampilan dengan menggunakan tipe batang clustered atau tipe garis multiple dengan metode penggolongan data summaries for separate variables. Berikut langkah-langkah pembuatannya: Klik Grafphs => Legacy Dialogs => Bar (untuk grafik batang), atau Line

(untuk grafik garis) sehingga kotak dialog dengan nama grafik terkait akan muncul.

Pilih Clustered (untuk membuat grafik batang) atau pilih multiple untuk membuat grafik garis). Pilih summaries of separated variables (lihat gambar 2.8).

Klik define sehingga kota dialog Define terkait muncul. Secara umum kotak dialog Define Clustered bar dengan multiple line sama. Sebagai acuan hanya dipaparkan kotak dialog define clustered bar karena prinsip pengerjaannya sama.




Gambar 2.12 Kotak dialog define clustered bar

Memasukkan variabel penjualan 01,02 dan 03 pada kota bars represent

(perhitungan statistic memakai nilai default mean) ubah ke total (sum of value), kemudian masukkan variabel area penjualan ke kotak catergory axis. Pada bagian panel by, masukkan variabel tipe kendaraan dan tipe category harga pada kotak row.

Klik Ok. Hasil tampilan informasi perbandingan penjualan tahun 1, 2 dan 3.




Gambar 2.13 Grafik Perbandingan penjualan (batang dan garis)

Membangun Grafik melalui Chart Builder

Anda dapat membangun melalui chart builder. Chart builder membangun grafik melalui gallery chart atau pembagian individual. Anda tinggal melakukan drag & drop pada canvas. Canvas merupakan area pada kotak dialog chart builder, tempat dimana anda membangun grafik. Sebagai contoh, anda ingin membangun grafik batam stacked tiga dimensi yang menginformasikan variabel penjualan 01,02 dan 03 berdasarkan variebel are penjulan dan tipe kendaraan. Berikut ini langkah-langkah pembuatannya: Klik graphs => Chart builder sehingga kotak dialog chart builder muncul.

Gambar 2.14 Kotak Dialog Chart Builder




Pilih macam grafik gallery, tetapkan stacked bar dan pilih bentuk

Selanjutnya isi variabel-variabel pada canvas. Pada Y-Axis, masukkan variabel penjualan 01, 02 dan 03. Ubah nilai default mean menjadi sum melalui kotak dialog elemen properties.

Pada kotak edit properties of pilih bar1, pada statistics, pilih variabel- variabel yang akan diubah nilai defaulnya. Pilih tk_jual01, dan pilih nilai sum selanjutnya pilih tombol apply. Lakukan dengan cara yang sama untuk variabel tk_jual02 dan tk_jual03.

Gambar 2.15 Kotak Dialog Element Properties

Pada X-Axis, masukkan variabel area penjualan . pada Z-Axis masukkan variabel tipe kendaraan.

Klik Ok.




Gambar 2.16 Hasil Chart Builder

Membangun Grafik melalui Graphboard Template Chooser

Bila anda ingin menggunakan berbagai template grafik yang disediakan SPSS 20 dalam membangun grafik anda dapat membangunnya melalui graphboard template chooser. Sebagai contoh, anda menggunakan template histogram dengan distribusi normal untuk variabel penjualan 03. Berikut ini langkah-langkahnya: Klik Graphs => Graphboard Template Chooser sehingga kotak dialog

muncul.

Gambar 2.17 Kotak Dialog Graphboard Template Chooser




Aktifkan variabel penjualan 03 sehingga macam-macam template grafik untuk variabel terkait akan muncul.

Pilih template Histogram with Normal Distribution Klik Ok.

Gambar 2.18 Hasil Grafik Histogram dan Distribusi Normal

Tabel Custom Table

Costum table memampukan anda memaparkan tabel data secara fleksible. Sebagai contoh, anda akan memaparkan jumlah penjualan per area penjualan untuk setiap tipe kendaraan. Berikut adalah langkah-langkah untuk membangun costum tables: Buka file yang akan dianalisis Klik Analize => Tables => Costum Table sehingga kotak dialog berikut ini

muncul.

Gambar 2.19 Kotak Dialog Custom Tables




Aktifkan dan blok variabel penjualan 01, 02 dan 03, lakukan drag & drop pada columns, lanjutkan dengan cara yang sama untuk variabel area penjualan.

Lakukan darg & drop pada rows untuk variabel tipe kendaraan Klik tombol layers, lakukan drag & drop variabel category harga pada kotak

layers. Perhatikan bahwa nilai default statistic adalah mean. Sekarang ubah ke sum

untuk mendapat gambaran total penjualan. Aktifkan sel penjualan 01 pada costum Tables. Pada kotak define, yang terletak dipojok kiri bawah, pilih N% summary Statistics sehingga kotak dialog summary statistic muncul.

Gambar 2.20 Kotak Dialog Summary Statistic

Keluarkan nilai mean pada kotak display kolom statistics dan masukkan nilai

sum dengan mengaktifkan tombol panah. Klik tombol apply to all karena kita ingin menerpakanya pada seluruh

variabel penjualan. Klik ok sehingga muncul lembar output SPPS viewer berikut:

Gambar 2.21 Hasil Custom Tables

Anda dapat melihat secara detail per category harga karena anda melakukan layers pada tabel. Klik dua kali category harga rendah sehingga daftar drop down muncul dan kemudian pilih category harga yang anda perlukan.

Gambar 2.22 Mengaktifkan Daftar Drop Down pada Custom Tables

Multi Response Dalam pengumpulan data, anda tentu sering menjumpai suatu pertanyaan yang memerlukan lebih dari satu jawaban. Contoh, anda melakukan survey pada perempuan, baik dari kalangan professional, ibu rumah tangga, maupun




pelajar tentang penggunaan parfum dalam 6 bulan terakhir dan bagaimana tanggapan mereka terhadap merek parfum yang mereka pakai. Anda dapat mengakses data tersebut pada folder file latihan 1 dan buka file multipleresponse.

Gambar 2.23 Data Survey Kepuasan Merk Parfum

Dalam melakukan analisis Multiple Response, langkah pertama yang harus anda lakukan adalah membangun multiple response, baru kemudian anda lakukan analisis. Berikut ini langkah-langkahnya: Buka file multiresponse.sav yang akan anda analisis Klik Analize => Multiresponse => Define Variabel Sets sehingga muncul

kotak dialog berikut ini.

Gambar 2.24 Kotak Dialog Define multiple Response Sets




Masukkan variabel pilihan1, pilihan2 dan pilihan3 pada variables in set. Pilih categories pada variabels coding karena jawaban lebih dari 2 ketik 1

pada kotak range dan 5 pada kotak through. Pada kotak name, beri nama parfum, dan pada label, beri nama pilihan

parfum. Klik add pada $parfum sehingga muncul pada kotak mult. Response sets. Klik Close. Setelah anda menetapkan multiple response set-nya, tahap selanjutnya adalah melakukan analisis. Ada dua analisis yang bisa anda lakukan, (1) frequencies, dan (2) Crosstab. Frequencies Berikut ini langkah-langkah untuk melakukan analisis frequencies pada multiple response yang telah anda tetapkan: Klik Analize => Multiple Response => Frequencies sehingga kotak dialog

akan muncul.

Gambar 2.25 Kotak Dialog Multiple Response Frequencies

Masukkan variabel $parfum pada kotak table(s) for. Klik Ok.

Gambar 2.26 Hasil Analisis Multiple Response-Frequencies




Tabel cases summary menyajikan ringkasan data valid, missing, dan total dalam jumlah persen. Tabel $parfum Frequencies menyajikan detail frekuensi dari berbagai macam parfum. Kolom pertama adalah nama merek. Kolom kedua adalah jumlah responden yang memilih merek tertentu. Kolom ketiga dan keempat adalah sbb: Pada baris pertama kolom ketiga adalah 15.4 % berasal dari 6/39 x 100% (39 merupakan jumlah total respons). Sedangkan baris pertamakolom keempat adalah 30% , berasal dari 6/20 x 100% (20 merupakan jumlah total responden/ case). Crosstab Berikut ini langkah-langkah untuk melakukan analisis crosstabs pada multiple response yang telah anda tetapkan: Klik Analize => Multiple Response => Crosstabs sehingga muncul kotak

dialog dibawah ini.

Gambar 2.27 Kotak Dialog Multiple Reponse Crosstab

Masukkan Multiple Response Set $parfum pada kotak Row(s), variabel

pekerjaan pada columns(s) dan variabel sikap pada layer(s). Selanjutnya Klik Define Range sehingga muncul kotak dialog define variable

untuk menentukan nilai variable pada variabel sikap. Pada kotak Minimum, ketik 1 (puas), dan pada kotak Maximum, ketik 2 (tidak puas).




Gambar 2.28 Kotak Dialog Multiple Response Crosstabs Define Variable Klik Continue Lakukan langkah yang sama pada variabel pekerjaan; Minimum = 1, dan

Maximum = 3. Klik Ok.

Gambar 2.29 Hasil Analisis Multiple Response-Crosstabs

Tabel Cases Summary menyajikan ringkasan data valid, missing dan total dalam jumlah dan persen. Tabel $parfum ‘pekerjaan’ sikap crosstabbulation menyajikan detail tabulasi silang antara variabel pekerjaan dan variabel sikap terhadap berbagai macam parfum. OLAP Cubes Prosedur OLAP (Online Analitical Processing) Cubes digunakan untuk melakukan analisis statistic variabel numeric berdasarkan multi variabel kategorikal dalam sebuah tabel. Contoh, anda melakukan analisis statistic, yaitu jumlah, rata-rata, dan standar deviasi terhadap variabel numeric tingkat penjualan berdasarkan multikategori seperti variabel area penjualan, Tipe kendaraan, dan kategori harga. Berikut adalah langkah-langkah untuk melakukan OLAP Cubes. Buka file penjualan kendaraan.sav yang akan dianalisis Klik Analize => Reports => OLAP Cubes sehingga kotak dialog OLAP Cubes

muncul.




Gambar 2.30 Kotak Dialog OLAP Cubes

Masukkan variabel penjualan 01, 02 dan 03 pada kotak summaries

variable(s) dengan menggunakan tombol panah. Masukkan variabel Area penjualan, Tipe kendaraan, dan kategori harga

pada kotak Grouping variable(s) dengan menggunakan tombol panah. Klik tombol statistic untuk menetapkan nilai statistiknya. Secara default

pilihan sum, number of cases, mean, standard deviation, percent of total sum dan percent of total N terpilih.

Gambar 2.31 Kotak Dialog OLAP Cubes:Statistics

Klik continue sehingga kembali ke kotak dialog OLAP Cubes Klik Ok sehingga muncul lembar ouput SPSS viewer berikut:




Gambar 2.32 Hasil OLAP Cubes

Tabel cases processing summary menyajikan ringksan data included, excluded dan total dalam jumlah persen. Tabel OLAP Cubes menyajikan ringkasan variabel penjualan berdasarkan variabel kategorikal Area penjualan, Tipe kendaraan, dan kategori harga. Pada penggolongan variabel kategori hanya diperlihatkan totalnya. Anda dapat melihat secara detail, misalnya variabel area penjualan, dengan klik dua kali area pada OLAP Cubes sehingga aktif dan daftar drop down muncul. Setelah itu pilih kategori area yang anda perlukan. Gunakan cara yang sama untuk variabel tipe kendaraan dan kategori harga.

Statistik Deskriptif Pengukuran deskriptif pada dasarnya memaparkan secara numerik ukuran tendensi sentral, disperse, dan distribusi suatu data. Tendensi sentral mengukur pemusatan data. Ada beberapa ukuran umum tendensi sentral yang sering digunakan, yaitu : Mean/rata-rata, adalah nilai rata-rata terukur suatu data. Median adalah nilai tengah data setelah data tersebut diurutkan dari kecil

ke besar. Modus adalah nilai yang sering muncul dari suatu data Dispersi mengukur penyebaran suatu data. Ada beberapa ukuran umum dispersi yang sering digunakan, yaitu : Standar deviasi, adalah nilai simpangan baku Varian, adalah nilai kuadrat dari standar deviasi Standard error mean (S.E mean), adalah estimasi tentang standar deviasi

dari suatu distribusi rata-rata yang diperoleh dari sampel yang diambil secara random terus-menerus dari populasi.

Distribusi mengukur distribusi suatu data. Ada beberapa ukuran umum distribusi yang sering digunakan, yaitu : Skewness, adalah nilai kemencengan distribusi data. Apabila bernilai positif

maka distribusi data akan menceng ke kanan dan apabila negative maka sebaliknya.




Kurtosis adalah nilai keruncingan atau tinggi distribusi data. Kenormalan suatu data dapat dilihat dari nilai hasil perbandingan skewness

dengan std. error of skewness; dan nilai perbandingan kurtosis dengan std. error of kurtosis harus antara -2 dan 2.

SPSS mengkategorikan analisa statistic deskriptif dalam 5 kategori, yaitu analisa frequencies, descriptive, explore, crosstab, dan ratio. Masing-masing analisa memiliki tujuan dan keunggulan sendiri. Analisa Frequencies Analisis frequencies sangat berguna untuk memperoleh ringkasan suatu variabel individual. Berikut dipaparkan bagaimana melakukan peringkasan, baik untuk variabel dengan data kategori maupun skala.

Melakukan analisis frequencies untuk data kategori Analisis frequencies untuk data kategori memaparkan jumlah/frekuensi dan proporsi dalam persen suatu variabel data kategorikal. Sebagai contoh mari kita lakukan analisis frequencies untuk data kategorikal pada variabel lama bekerja dan tingkat pendidikan. Berikut ini langkah-langkahnya : Buka file data, folder file data pelatihan, file sales.sav. Klik analyze => descriptive statistics => frequencies pada menu sehingga

kotak dialog frequencies akan muncul.

Gambar 2.33 Kotak Dialog Frequencies

Masukkan variebel lama bekerja dan variabel dan tingkat pendidikan pada

variable(s). Klik tombol charts sehingga muncul kotak dialog frequencies; chart. Pilih pie charts pada kotak chatr type dan pilih frequencies pada kotak chart

values.




Gambar 2.34 Kotak dialog frequencies :chart Klik continue. Klik ok sehingga output SPSS viewer menampilkan hasil berikut :

Tabel statistics memaparkan jumlah data lama bekerja dan tingkat pendidikan, baik yang valid maupun yang missing.

Tabel lama bekerja menginformasikan bahwa lebih dari 50% sales (tepatnya 51.5%) telah bekerja pada perusahaan selama rentang 0-5 tahun.

Tabel tingkat pendidikan menginformasikan bahwa lebih dari 50% sales (tepatnya 60.6%) berpendidikan S1. Berikut ini gambar grafik pienya.




Gambar 2.35 Hasil analisis frequencies – data kategori Grafik pie chart memaparkan proporsi lama bekerja dan jenjang pendidikan para sales. Melakukan analisis frequencies untuk data skala Analisis frequencies untuk data skala memaparkan ringkasan tendensi sentral, disperse, dan distribusi suatu variabel data skala. Sebagai contoh mari kita lakukan analisis frequencies untuk data skala pada variabel penjualan. Berikut ini langkah-langkahnya: Buka file data sales.sav Klik analyze => descriptive statistics => frequencies pada menu sehingga

kotak dialog frequencies muncul. Masukkan variebel penjualan pada kotak variable(s). Klik tombol statistics sehingga muncul kotak dialog frequencies statistics.




Gambar 2.36 Kotak dialog frequencies :statistics

Pilih nilai-nilai pada persentile values, central tendency, dispersion dan distribution sesuai keperluan anda.

Klik tombol continue Klik tombol chart sehingga muncul kotak dialog frequencies: chart, gambar

2.7 pilih histogram with normal curve pada kotak chart type. Klik continue Klik ok sehingga output SPSS viewer akan menampilkan hasil seperti

berikut:

Tabel statistics memaparkan nilai-nilai statistic yang telah anda pilih. N, jumlah data pengamatan = 33, tanpa data missing. Mean, rata-rata penjuala = 31.737.878,79 Median, nilai tengah data = 33.000.000 Mode, nilai yang sering muncul, ada beberapa, diambil nilai yang terkecil = 33.500.000




Standar deviasi = 3.901.622,866 Skewness = 0,597 => bernilai positif. Jadi distribusi data menceng ke kanan. Perbandingan skewness dengan std. Error Skewness = 1.46 nilai tersebut (1.46) dalam rentang -2<1.46<2. Kurtosis = -0.421 => platikurtik, keruncingan rendah. Perbandingan kurtosis dengan std. error kurtosis = 0.798. nilai tersebut (0.798) dalam rentang -2 < 0.798 < 2. Melihat nilai perbandingan skewness dengan std. error skewness dan kurtosis dengan std. error kurtosis dapat disimpulkan bahwa data terdistribusi normal. Percentiles 25, tingkat penjualan 25% sales dibawah 28.250.000 Percentiles 75, tingkat penjualan 75% sales dibawah 34.250.000 50% data terletak antara percentiles 25% - 75%. Oleh karena itu 50% tingkat penjualan terletak pada rentang 28.250.000 – 34.250.000.

Tabel penjualan merupakan table frekuensi. Kolom pertama adalah tingkat penjualan, kolom kedua adalah frekuensi tingkat penjualan, kolom ketiga frekuensi dalam persen, kolom keempat frekuensi dalam persen berdasarkan data valid (lengkap), dan kolom kelima adalah persen komulatif.




Gambar 2.37 Hasil analisis frequencies – data skala

Grafik histogram dan kurva normal memperhatikan bawha distribusi data adalah normal. Analisis Descriptive Analisis descriptipe sangat membantu dalam meringkas perbandingan beberapa variabel data skala dalam satu table dan dapat digunakan untuk melakukan pengamatan outlier/penyimpanan data. Sebagai contoh, anda melakukan analisis descriptive pada data penjualan 6 bulan terakhir di dalam suatu korporat yang memiliki 3 unit bisnis, yaitu makanan, minuman, dan pengiriman. Berikut langkah-langkah analisis descriptive : Buka file data, folder file data pelatihan, penjualan sbu.sav. Klik analyze => descriptive statistics => descriptive pada menu sehingga

kotak dialog descriptive muncul.

Gambar 2.38 kotak dialog descriptive




Masukkan variabel penjualan makanan, penjualan minuman, dan penjualan penghantaran pada kota variable(s).

Pilih save standardized values pada pojok kiri bawah kotak dialog. Klik ok sehingga output SPSS viewer menampilkan hasil berikut:

Gambar 2.39 Hasil Analisis deskriptives

Table descriptive Statistics memaparkan nilai statistic ketiga variabel. Secara default nilai yang dipilih adalah mean, std. deviation,minimum, dan maximum. Apabila anda menghendaki parameter pengukuran lebih banyak lagi, klik options pada kotak dialog descriptive. Rata-rata penjualan tertinggi ada pada bisnis makanan (48353433,33) namum juga memiliki standar deviasi terbesar (5239305,472). Apabila kembali pada tampilan data view pada SPSS maka akan terlihat ada tiga tambahan variabel baru, yaitu Zmakanan,Zminimum, danZpengiriman.

Gambar 2.40 Tiga variabel baru muncul pada tampilan variabel view Ketiga variabel tersebut muncul karena anda memilih save standardized values as variables. Variabel ini menunjukan penyimpangan data (outlier) dari rata-rata. Rumus Z adalah sebagai berikut :

Xi -

Z =




Di mana : Xi = nilai data X = rata-rata data = standar deviasi

Contoh hitunglah nilai Z makanan baris pertama : 54555000 – 48353433 Z = = 1.18366 5239305 Pada pengujian statistic, biasanya tingkat kepercayaan yang dipakai adalah 95%. Hal ini berarti tingkat signifikansi adalah 5%. Apabila dilakukan pengujian dua sisi maka 2.5%. jadi batas kritis luas setengah kurva adalah 50% - 2.5% = 47.5%. luas 47.5% kurva, konversi nilai z-nya adalah 1.96 (dilihat pada table z). jadi data (X) dikatakan menyimpang (outler) apabila diluar -1.96 <x< 1.96. Analisis Perbandingan Rata-rata Analisis perbandingan rata-rata merupakan bagian dari uji hipotesis dengan dasar pengujian membandingkan perbedaan antara rata-rata. Analisis perbandingan rata-rata (compare means) adalah SPSS ada lima,yaitu : Means, one-sample tes, independent-sample T test, paired-sample T test, dan one-way anova. Tabel t dan tabel f Sebelum membahas analisis perbandingan rata-rata, ada baiknya kita membahas tabel t dan tabel f terlebih dahulu karena dalam uji hipotesis kita pasti melibatkan kedua tabel tersebut. Berikut cara membangun tabel t dan f. Tabel t Tabel t terdiri dari dua kolom. Kolom pertama adalah degree of freedom (df) dan kolom kedua adalah nilai t. Degree of freedom merupakan fungsi jumlah pengamatan atau sampel dikurangi satu (df=n-1), sedangkan nilai t dapat anda cari dengan SPSS. Berikut langkah-langkah pembuatan tabel t. Bangun data untuk kolom degree of freedom adalah sebagai berikut : Buka file => open => data pada menu sehingga kotak dialog open file

muncul Klik files of type di combo sehingga muncul seperti gambar 2.3. Pilih format yang sesuai, misalnya excel 2010 (*.xlsx). Cari folder file data excel anda pada daftar drop down look in. Klik ganda file data pada kotak atau klik file data kemudian klik open

sehingga kotak dialog opening excel data source muncul seperti gambar 2.4 Tanda cek aktif secara default. Tanda cek read variabel from the first row of

data aktif dimaksudkan supaya nama variabel yang terdapat pada baris pertama file data excel tidak dianggap sebagai data namun diperlakukan sebagai variabel.

Klik Ok Klik Transform => Compute variabel pada menu sehingga kotak dialog

compute variable muncul.




Gambar 2.41 Kotak dialog compute variable untuk tabel t

Tulis t pada variable Pada daftar drop down function group, pilih inserve DF sehingga kumpulan

fungsi idf muncul pada functions and special variables, kemudian klik idf. T. masukkan fungsi tersebut pada kotak numeric expression dengan menekan tombol panah atas sehingga muncul tulisanIDF.T(?,?).

Ganti tanda Tanya pertama dengan tingkat kepercayaan (0.95) dan ganti tanda Tanya kedua dengan variabel degree of freedom (hapus tanda Tanya kedua, klik variable degree of freedom dan tekan tombol panah).

Klik OK sehingga tampilan data view bertambah satu kolom, yaitu t.

Hasil akhir tabel t

Tabel F Tabel F memiliki dua degree of freedom, yaitu numerator dan denumerator. Numerator atau degree of freedom antar kelompok (d1) adalah jumlah kelompok dikurangi satu. Sedangkan denumerator atau degree of freedom




dalam kelompok adalah jumlah keseluruhan sampel dikurangi jumlah kelompok. Nilai F dapat anda cari dengan SPSS. Berikut langkah-langkah untuk membuat tabel F. Bangun data untuk kolom degree of freedom sebagai berikut : d1 = 2 dan

d2 seperti tampak pada gambar 2.23 berikut ini.

Gambar 2.42 data awal tabel F

Klik Transform => compute variable pada menu sehingga kotak dialog compute variable muncul. (Seperti gambar 2.22).

Klik F pada kotak target variable Pada daftar drop down function group, pilih inserve DF sehingga kumpulan

fungsi idf muncul pada functions and special variables, kemudian klik idf. F. masukkan fungsi tersebut pada kotak numeric expression dengan menekan tombol panah atas sehingga muncul tulisanIDF.F(?,?).

Ganti tanda Tanya pertama dengan tingkat kepercayaan (0.95) dan ganti tanda Tanya kedua dengan numerator = 2 dan ganti tanda Tanya ketiga dengan denumerator atau variabel d2.

Klik OK sehingga tampilan data view bertambah satu kolom, yaitu F.

Gambar 2.43 hasil akhir tabel F

Analisis Means Analisis means berguna untuk memaparkan nilai tendensi sentral maupun dispersi suatu variabel data skala dengan dikelompokkan berdasarkan variabel




data kategori. Sebagai contoh, pada data penjualan anda ingin melihat rata-rata penjualan per area per tingkat pendidikan. Berikut langkah-langkah analisis means. Buka file data, folder file data pelatihan, file sales.sav. Klik analyze => compare means => means pada menu sehingga kotak

dialog means muncul.

Gambar 2.44 kotak dialog means

Masukkan variabel penjualan pada kotak dependent list Masukkan variabel area penjualan pada kotak independent list kemudian

klik tombol next dan masukkan juga variabel tingkat pendidikan. Klik ok sehingga output SPSS viewer menampilkan hasil berikut.

Tabel case processing summary memaparkan data dalam jumlah dan %, baik yang included, exclude, maupun total. Jumlah data pengamatan adalah 33.

Tabel report memaparkan nilai rata-rata, jumlah dan standar deviasi untuk setiap kelompok. Seperti kelompok sales jogja & jateng dengan pendidikan S1




memiliki rata-rata penjualan 33,416,666.67, jumlah sales ada 6 , dan standar deviasi 4,185,291,706. One sampel T Test One sampel T Test digunakan untuk menguji perbedaan rata-rata suatu variabel dengan suatu contanta tertentu atau nilai hipotesis. Contoh, produsen tabung gas menyatakan berat tabung gasnya adalah 15 kg. untuk mengetahui kebenaranya maka dilakukan sampling data yang diperoleh pada file one sample t test.sav. Analisis one sample T test dapat dilakukan dengan langkah sebagai berikut: Buka file data, folder file data pelatihan, file one sampel t test.sav. Klik analyze => compare means => one-sample t test pada menu sehingga

kotak dialog muncul.

Gambar 2.45 Kotak dialog one-sample T test.

Masukkan variabel berat tabung pada kotak test variable(s) dan masukkan 15 pada kotak test value.

Klik options sehingga kotak dialog T test : options, tingkat kepercayaan dan missing values muncul. Secara default tingkat kepercayaan 95% dan missing values-exclude cases analysis by analysis yang berarti hanya data yang berharga valid yang digunakan dalam analisis.

Gambar 2.46 Kotak dialog one-sample T test:Options

Klik continue sehingga kembali ke kotak dialog one-sample T test.




Klik ok sehingga ouput SPSS viewer menampilkan hasil berikut :

Tabel one sample statistics memaparkan nilai statistic variabel berat tabung sebagai berikut : jumlah sampling 20, rata-rata berat tabung 14,99 kg, standar deviasi 0,35079 kg dan std. error mean 0,07844 kg.

Sebelum kita membahas uji hipotesis, anda perlu terlebih dahulu mengetahui aturan dasar yang menyertai. Pada uji hipotesis pada dasarnya anda membandingkan nilai t atau F hitung dengan nilai t atau f tabel. Adapun aturanya yaitu : Nilai t atau F adalah nilai mutlak Jika t atau F hitung (nilai mutlak) < t atau F tabel, maka Ho diterima. Jika t atau F hitung (nilai mutlak) > t atau F tabel, maka H1 ditolak. Atau Jika sig > , maka Ho diterima

Jika sig < , maka Ho ditolak

Hipotesis Ho = rata-rata berat tabung 15 kg. H1 = rata-rata berat tabung ≠ 15 kg. Nilai t hitung -0,127, nilai mutlak 0,127. t hitung (0,127) < t tabel (19;0.025) adalah 2.093 , maka Ho diterima. Jadi tidak ada perbedaan rata-rata berat tabung. Maksud t tabel (19;0.025) adalah df=19 dari jumlah sampel 20 dikurangi 1. Uji adalah dua sisi. Jadi setiap sisinya memiliki nilai tengah . Bila diapakai =

0,05 maka setengah adalah 0,025. Untuk mencari t tabel (19;0.025),

gunakan fungsi idf. T pada SPSS. Pada numeric expression IDF. T (?.?), ganti tanda Tanya dengan nilai sebagai berikut : IDF.T (0.975, 19). Nilai 0.975 berasal dari 100% atau 1 dikurangi 0.025 dan 19 adalah nilai df. Disamping menggunakan perbandingan t hitung dengan t tabel, anda dapat melakukan perbandingan sig (2-tailed) dengan .

Sig (2-tailed) (0.900) > (0.025), maka Ho dterima.

Independent-sample T test Independent-sample T test digunakan untuk menguji signifikansi beda rata-rata dua kelompok. Tes ini juga digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen. Contoh I : membandingkan rata-rata dua kelompok Anda ingin mengamati tingkat kecerdasan antara siswa laki-laki dengan perempuan. Anda melakukan tes kecerdasan pada beberapa sampel laki-laki




dan perempuan secara random. Berikut adalah hasil tabel distribusi frekuensinya.

Analisis Independent-sample test dapat anda lakukan dengan langkah sebagai berikut : Buka file data, folder file data pelatihan, independent samples t test.sav. Klik analyze => compare means => independent-samples t test pada menu

sehingga kotak dialog muncul.

Gambar 2.47 kotak dialog independent-samples T test

Masukkan variabel tk_cerdas pada kotak test variable(s) dan masukkan

varabel jns_kelamin pada kotak grouping variable. Klik define groups, masukkan nilai variabel jns_kelamin pada kotak group 1

dan 2.




Gambar 2.48 kotak dialog define groups

Klik continue sehingga kembali ke kotak dialog ondependent-sample T test. Klik options sehingga kotak dialog independent-sample T Test:options

muncul. Secara default tingkat kepercayaan 95% dan exclude cases analysis by analysis dipilih.

Klik continue Klik ok. Output SPSS viewer akan menampilkan hasil berikut :

Tabel group statistic memaparkan jumlah data/sampel, nilai rata-rata, dan standar deviasi. Rata-rata tingkat kecerdasan laki-laki (42.65) lebih tinggi dari perempuan (37.84) dengan nilai standar deviasi laki-laki (22.432) lebih kecil disbanding perempuan (23.143) Tabel independent sample test pertama, levene’s test, menguji apakkah kedua kelompok memiliki varian yang sama. Hipotesis : Ho = kedua kelompok memiliki varian yang sama H1 = kedua kelompok tidak memiliki varian yang sama Nilai sig (0.628) > (0.05), maka Ho diterima. Jadi kedua kelompok memiliki

varian yang sama.

Tabel independent sample test kedua, t-tes, menguji apakah kedua kelompok memiliki rata-rata yang sama. Hipotesis: Ho = kedua kelompok memiliki rata-rata tingkat kecerdasan yang sama




H1 = kedua kelompok tidak memiliki rata-rata tingkat kecerdasan yang sama t hitung (1.345) < t tabel (80;0.025) adalah 1.990, maka Ho diterima.jadi kedua kelompok memiliki rata-rata tingkat kecerdasan yang sama. Dengan kata lain, tidak ada perbedaan rata-rata tngkat kecerdasan antara siswa laki-laki dan perempuan. Disamping menggunakan perbandingan t hitung dengan t tabel, anda dapat melakukan perbandingan sig (2-tailed) dengan .

Sig (2-tailed) (0.181) > (0.025), sehingga Ho diterima.

Contoh II : Menguji pengaruh variabel independen terhadap variabel dependen. Suatu supermarket dengan outlet berdistribusi nasional ingin mengetahui pengaruh penurunan kredit (variabel independen) pada para pemegan kredit card terhadap peningkatan pembelian (variabel dependen). Perusahaan memilih sampel secara random pada pelanggan golongan tertentu. Kepada setengah sampel diinformasikan bahwa dalam jangka 3 bulan aka nada penurunan kredit, sedangkan pada setengah sampel lainnya tidak ada informasi. Setelah 3 bulan kedepan diamati tingkat pembelian sampel tersebut. Berikut ini tabel distribusi frekuensinya. Analisis Independent sample test dapat dilakukan dengan langkah sebagai berikut : Buka file data, folder file data pelatihan, independent samples t test2.sav. Klik analyze compare means => independent-samples T test pada menu

sehingga muncul kotak dialog independent samples t test. Masukkan variabel tingkat pembelian pada kotak test variable(s) dan

masukkan variable pembelian kredit pada kotak grouping variable. Klik define groups masukkan nilai pembelian kredit pada kotak group 1 dan

2 Klik continue sehingga kembali ke kotak dialog independent sample T test. Klik options sehingga kotak dialog independent sample T test:options

muncul. Secara default tingkat kepercayaan 95% dan excelude cases analysis by analysis dipilih (lihat gambar 2.27)

Klik continue Klik Ok sehingga Output SPSS Viewer menampilkan hasil sebagai berikut:

Tabel group statistic memaparkan jumlah data/sampel, nilai rata-rata dan standar deviasi. Jumlah sampel masing-masing 90, baik yang menerima penurunan kredit maupun yang tidak. Rata-rata tingkat pembelian pelanggan yang menerima penurunan kredit (0.5511 juta) lebih tinggi dari yang tidak menerima penurunan kredit (0.4333 juta) standar deviasi pembelian pelanggan yang menerima penurunan kredit (0.22943 juta) juga lebih tinggi dari yang tidak menerima penurunan kredit (0.20112 juta).




Tabel independent sampel test pertama, Levene’s test, menguji apakah kedua kelompok memiliki varian yang sama. Hipotesis : Ho = kedua kelompok memiliki varian yang sama H1 = kedua kelompok tidak memiliki varian yang sama. Nilai sig (0.102) > (0.05), sehingga Ho diterima. Jadi kedua kelompok

memiliki varian yang sama. Tabel independent samples test kedua, t-test, menguji apakah kedua kelompok memiliki rata-rata yang sam. Hipotesis : Ho = kedua kelompok memiliki rata-rata tingkat pembelian yang sama H1 = kedua kelompok tidak memiliki rata-rata tingkat pembelian yang sama t hitung (3.662) > t tabel (89;0.025) adalah 1.662 sehingga Ho ditolak. Jadi kedua kelompok tidak memiliki rata-rata tingkat pembelian yang sama. Dengan kata lain, penurunan kredit berpengaruh terhadap tingkat pembelian. Disamping menggunakan perbandingan t hitung dengan t tabel, anda dapat melakukan perbandingan sig (2-tailed) dengan . Sig (2-tailed) (0.000) < (0.025), maka Ho ditolak.

One-Way ANOVA: Analisis Varian Untuk Satu Variabel Independen Analisis varian satu variabel independen digunakan untuk menentukan apakah rata-rata dua atau lebih kelompok (variabel dependen) berbeda secara nyata. Analisis ini memiliki asumsi bahwa kelompok yang dianalisis memiliki varian yang sama. Contoh, manajer pemasaran melakukan training untuk para sales. Manajer tersebut menggunakan variasi waktu dalam melakukan training, yaitu 3 hari, 4 hari dan 5 hari, untuk mengetahui waktu training paling efektif. Pada setiap sesi training diadakan tes untuk mengetahui peningkatan skill setiap sales. Berikut nilai tes selama training dalam tabel distribusi frekuensi.

Analisis One-Way ANOVA dapat dilakukan dengan langkah-langkah sebegai berikut : Buka file data, folder file pelatihan, anova.sav.




Klik analyze => compare means=> one-way ANOVA pada menu sehingga kotak dialog one-way ANOVA muncul.

Gambar 2.49 Kotak dialog One-Way ANOVA

Masukkan variabel nilai test pada kotak dependent list dan masukkan variabel lama training pada kotak factor.

Klik Options dan pilih descriptive dan homogeneity of variance test.

Gambar 2.50 Kotak dialog options

Klik continue sehingga kembali ke kotak dialog One-Way Anova Klik Ok sehingga output SPSS viewer menampilkan hasil sebagai berikut :

Tabel desctiptives menginformasikan bahwa semakin lama training, rata-rata nilai tes menunjukan peningkatan, sebaliknya, nilai standar deviasi semakin kecil.




Tabel test of homogeneity of variances menunjukan nilai sig (0.901) > . Hal

tersebut mengidikasikan varian antar kelompok adalah sama.

Hipotesis : Ho = ketiga kelompok memiliki rata-rata nilai tes yang sama H1 = ketiga kelompok memiliki rata-rata nilai tes yang berbeda F hitung (6.367) > F tabel (2,162.0.05) adalah 3.052 sehingga Ho ditolak. Jadi ketiga kelompok memiliki rata-rata nilai tes yang berbeda. Disamping menggunakan perbandingan F hitung dan F tabel, anda dapat melakukan perbandingan sig dengan . sig (0.002) < , maka Ho ditolak.

Anda juga dapat melakukan uji khusus untuk membandingkan kelompok tertentu, misalnya apakah ada perbedaan nilai rata-rata. Sebagai contoh, anda membandingkan rata-rata nilai khusus untuk training selama 3 hari dengan 4 hari. Berikut ini langkah-langkahnya Pada waktu kotak dialog One-Way ANOVA aktif, klik contrast sehingga

kotak dialog one-way ANOVA: contrast muncul.

Gambar 2.51 Kotak dialog one-way ANOVA contrast

Masukkan nilai -1 pada kotak coefficients untuk pembobot kelompok pertama kemudian klik add. Kelompok kedua nilai 1 dan kelompok ketiga nilai 0. Nilai total pembobotan harus nol.

Klik continue




Klik OK

Tabel contrast coeficients memaparkan nilai kontras yang anda berikan pada masing-masing kelompok.

Tabel contast test terbukti menunjukan nilai sig (0.067) > . Dengan kata lain,

perbedaan rata-rata nilai tes ini untuk training 3 hari dengan 4 hari tidak signifikan. Anda dapat melakukan pengamatan lebih lanjut mengenai perbedaan nilai rata-rata ketiga kelompok tersebut dengan analisis Post Hoc test. Berikut ini langkah-langkahnya : Pada waktu kotak dialog One-Way ANOVA aktif, tekan tombol Post Hoc.

Gambar 2.52 Kotak dialog post hoc multiple comparisons

Pilih salah satu pilihan dalam equal variances assumed karena ketiga

kelompok memiliki varian yang sama. Apabila tes levence menunjukan varian tidak sama maka tes anova tidak dapat anda lakukan. Namun anda tetap dapat mengetahui apakah terjadi perbedaan nilai rata-rata atau tidak dengan menggunakan Post Hoc dengan memiliki salah satu uji dalam equal variance not assumed.

Pilih LSD. LSD melakukan semua perbandingan di antara pasangan rata-rata kelompok. tidak ada penyesuaian yang dilakukan terhadap tingkat kesalahan untuk berbagai perbandingan.

Klik continue Klik OK




Tabel Post Hoc Test menunjukan bahwa perbedaan rata-rata nilai tes yang signifikan ada pada lama training, 3 hari dan 5 hari (perhatikan tanda asterisk). Nilai sig (0.000) < sehingga Ho ditolak. Dengan kata lain, kedua

kelompok (3 hari dan 5 hari) memiliki rata-rata nilai tes yang berbeda. Hasil uji LSD menunjukan bahwa perbedaan rata-rata nilai untuk training 3 hari denga 4 hari tidak signifikan dengan nilai sig (0.067). demikian pula yang terjadi untuk training 4 hari dengan 5 hari dengan nilai sig (0.087). Melihat hasil uji yang telah dilakukan, manajer pemasaran dapat mengambil training dengan waktu 5 hari sebagai lama waktu yang paling efektif.

Validitas & Reliabilitas Kuesioner merupakan salah sati instrument penelitian untuk menggali informasi secara langsung. Informasi yang didapat dari kuesioner tersebut perlu di uji validitas dan reliabilitasnya. Uji validitas menunjukkan apakah kuesioner tersebut mampu mengukur apa yang harus diukur. Missal kuesioner untuk mengukur tingkat kepusan - apakah masing-masing pertanyaan mampu mengukur tingkat kepuasan yang dimaksud? Sedangkan uji reliabilitas menunjukkan konsistensi atas hasil ukuran walau digunakan untuk mengukur berkali-kali. Uji validitas Anda sebelumnya telah belajar bagimana melakukan analisis korelasi. Jadi sebenarnya uji validitas ini sangat mudah anda lakukan karena dasanya memakai analisis korelasi, khusunya pearson. Anda mengkorelasikan setiap pertanyaan pada kuesioner dengan nilai total pertanyaan-pertanyaan tersebut. Selanjutnya anda melihat nilai signifikansinya pada masing-masing korelasi. Apabila memiliki nilai signifikansi di bawah nilai alfa yang di persyaratkan maka instrument pertanyaan tersebut valid. Sebelumnya perlu anda amati instrumen pertanyaan yang memiliki multikolinearitas (antar pertanyaan memiliki korelasi tinggi) dan singualaritas ( antar pertanyaan memiliki korelasi sempurna) maupun yang memiliki korelasi yang sangat rendah. Hilangkan pertanyaan tersebut dalam kueisioner anda.




Contoh, anda mengukur tingkat kepuasan pelanggan akan produk baru yang diluncurkan perusahaan. Ada 15 pertanyaan untuk mengukur tingkat kepuasan tersebut, dan anda mengambil sampel sejumlah 100 pelanggan. Berikut ini langkah pengolahan datanya :

Buka file data, folder file data pelatihan, file validitas&reliabitas.sav. Klik Anlyze => Correlate => Bivariate pada menu sehingga kotak dialog

bivariate correlation muncul.

Gambar 2.53 Kotak dialog Bivariate Correlations

Masukkan semua variabel pertanyaan termasuk variabel total pada kotak variabel

Cek pearson pada correlation coefficients dan cek flag significant correlationts

Klik ok sehingga output SPSS menampilkan hasil berikut :

Tabel ini merupakan sebagian output hasil analisis korelasi. Sekarang amati nilai korelasi antara variabel pertanyaan, apakah ada yang memiliki nilai korelasi yang sangat tinggi atau sebaliknya yang memiliki nilai korelasi yang




sangat rendah. Perhatikan P15 memiliki nilai korelasi yang sangat tinggi dengan beberapa pertanyaan lain, P15-P5 korelasinya 0.897, P15-P9 korelasinya 0.835, dan P15-P11 korelasinya 0.803. hilangkan variabel P15 dari daftar pertanyaan kuesioner untuk menghilankan pengaruh multikolinearitas. Selanjutnya untuk validitas masing-masing pertanyaan, anda cepat melihat nilai signifikansi antara variabel total dengan variabel masing-masing pertanyaan. Nilai signifikansi korelasi variabel total dengan masing-masing variabel pertanyaan memiliki nilai di bawah nilai alfa (0.05), sehingga dapat disimpulkan bahwa semua variabel pertanyaan valid. Uji Reliabilitas Instrumen kuesioner anda harus andal (reliable). Andal berarti instrument tersebut menghasilkan ukuran yang konsisten apabila digunakan untuk mengukur berulangkali. Instrument kuesioner dinyatakan andal bila memiliki alpha cronbach > dari 0.6. Langkah untuk melakukan uji reliabilitas adalah sebagai berikut : Buka file data, folder file data pelatihan, file validitas&reliabitas.sav. Klik Analize => Scale => reliability analysis pada menu sehingga kotak

dialog reliability analysis mucul.

Gambar 2.54 Kotak dialog reliability Analysis

Masukkan variabel dari pertanyaan1 sampai pertanyaan 14 pada kotak items. Sedangkan variabel pertanyaan 15 tidak dimasukkan untuk mengurangi pengaruh multikolinearitas.

Klik statistic maka akan muncul kotak dialog reliability analysis statistics.

Gambar 2.55 Kotak dialog reliability analysis:statistic




Pada kotak descriptive for, cek scale if item deleted Klik continue sehingga kembali kekotak dialog reliability analysis Klik OK

Nilai Alpha cronbach instrument kueisioner adalah 0.957. Nilai tersebut lebih besar dari yang di persyaratkan (0.6) untuk melihat pengaruh penghilangan salah satu variabel pertanyaan terhadap nilai alpha cronbach dapat anda lihat pada tabel item- total statistics.

Sebagai contoh, misalnya pertanyaan2 dihilangkan dalam instrument kuesioner maka nilai alpha cronbanchnya menjadi 0.958.




DAFTAR PUSTAKA

C. Trihendradi, Step by step SPSS 20 Analisis Data Statistik, Penerbit Andi.

2012. Dedi Kuswanto, Statistik untuk pemula dan orang awan, Penerbit Laskar

Aksara. 2011. H. Agus Irianto, Statistik Konsep Dasar, Aplikasi dan Pengembangannya,

Penerbit kencana Prenada Media Group. 2010. M. Ansyar Bora, Modul Perancangan dan Analisa Kelayakan Usaha. STT Ibnu

Sina Batam. 2012 M. Ansyar Bora, Modul Perancangan Sistem Kerja & Ergonomi. STT Ibnu Sina

Batam. 2012 M. Ansyar Bora, Modul Praktek Statistik (SPSS Versi 20). STT Ibnu Sina Batam.

2013.

modul sspss

Documents